Temps de lecture : 2 minutes

Accompagnement stratégique

Les petites et moyennes entreprises ont tout intérêt à se tourner vers leurs fabricants et/ou des cabinets d’études pour appréhender les enjeux de ces mutations à venir qui, bien adaptées à leurs besoins, peuvent leur permettre de gagner en efficacité. « Elles doivent se renseigner sur les expérimentations menées avec succès dans leur branche d’activité voire s’en inspirer si cela répond à leur(s) problématique(s) », recommande Guillaume Le Vézouët. Autre solution complémentaire, consulter le guide de l’industrie 4.0, publié en 2017 par la Fédération de la plasturgie en collaboration avec IPC. « Il regroupe des témoignages de PME et de grands groupes qui montrent que le chemin vers l’industrie 4.0 est empruntable par tout le monde », avance Dominique Meillassoux.
Au moins durant les premiers mois, il peut être nécessaire d’accompagner la montée en compétences en interne. La participation humaine demeure, en effet, capitale dans la mise en œuvre d’innovation et d’intégration de nouvelles technologies au bénéfice de la maintenance, dans le traitement et l’exploitation des données et l’organisation d’une cellule de supervision notamment, permettant l’identification de signes avant-coureurs de pannes. C’est justement pour démystifier et simpli-fier le recours à l’industrie 4.0 que la start-up Cym (Connect Your Machine) a développé des algorithmes prédictifs, accessibles depuis sa plateforme « Maintenance Factory », et adaptés à différents cas d’usage. « Les algorithmes supervisés apportent des scénarios précis aux usagers. Dès que l’un d’eux se répète, les opéra-teurs sont avertis d’une probabilité de pannes de manière à pouvoir planifier un ordre d’intervention. Les algorithmes non supervisés sont conçus d’après une période de comportement d’activité normale. Dès qu’une variable est en déviance par rapport aux autres, une alerte qualifiée est communiquée au système IT du client », explique Guillaume Le Vézouët. Une manière de détecter les signes annonciateurs d’un dysfonctionnement pour planifier les maintenances en conséquence et apprendre du comportement des machines, sans forcément se doter de data-scientists en interne.

Fanny Perrin d’Arloz

Plastiques et caoutchoucs magazine, n°954, janvier-février 2019, pp. 32-33

A lire également